Summary

  • En el análisis original de APNIC Labs publicado por Geoff Huston el 28 de mayo de 2026, el cliente enviaba la consulta DNS inicial a dos o más resolutores recursivos el 60 % de las veces dentro de la muestra.
  • La cuota que publica APNIC corresponde a los resolutores que vieron esa consulta. El primero en pedir el dato al servidor autoritativo es otra métrica: se aproxima al que gana la carrera de la respuesta. Un servicio puede escuchar sin ganar.

El público oculto de una pregunta sencilla

APNIC Labs reparte mediante anuncios una prueba que crea un nombre DNS diferente para cada ejecución. Su servidor autoritativo registra qué resolutores recursivos buscan ese nombre. El equipo enlaza esa observación con el usuario de la prueba y clasifica las direcciones del resolutor.

Huston afirma que el método alcanza cada día a millones de usuarios distintos. El nombre único impide que una respuesta vieja en caché oculte la búsqueda nueva.

El hallazgo del 60 % describe un comportamiento del cliente en ese experimento: la pregunta original sale hacia varios resolutores. No hace falta que todos ganen la carrera para que todos hayan conocido el nombre.

Por eso una tabla de velocidad y una tabla de exposición responden preguntas diferentes. El usuario ve quién contestó; el registro de APNIC muestra a quién llegó la consulta.

En la misma publicación de APNIC, los resolutores situados en el mismo sistema autónomo que el usuario figuran en el 65,2 % de las observaciones de 2026, frente al 65,0 % de 2022. Los resolutores abiertos conocidos aparecen en el 21,7 %, frente al 20,0 %. Son categorías del método de APNIC, con clientes que pueden enviar la pregunta a más de un destino; no son porciones que deban sumarse para fabricar un total.

La apuesta práctica es el control de la información.

Si un proveedor recibe el nombre aunque otro conteste antes, participa en la observación de la actividad DNS sin aparecer como ganador de la experiencia del usuario.

Huston deja clara la definición de su medida. Falta una distribución pública, por cliente, de cuántos operadores distintos recibieron cada consulta de la muestra; ese dato precisaría la concentración de oyentes.

Fuentes: investigación de APNIC Labs; perfil de Geoff Huston en APNIC.